Kartasheva_Upravlenie_inf_resurs

Таблица 5. Модель трансформации знания в социальной группе (И. Нонака, X. Такеучи)19

	Неформализованное знание	В	Формализованное
			знание
Неформализованное	Социализация		Экстернализация
знание	(НФЗ→НФЗ)		(НФЗ→ФЗ)
ИЗ
Формализованного	Интернализация		Комбинация
знания	(ФЗ→НФЗ)		(ФЗ→ФЗ)

Социализация — процесс восприятия человеком опыта других людей без использования слов. Примеры: наблюдение чужого поведения, обучение мастерству при наблюдении за работой мастера, мозговой штурм, например при взаимодействии разработчиков новой продукции с потенциальными потребителями.

Экстернализация — процесс оформления НФЗ в ФЗ (в концепции, метафоры, аналогии, гипотезы, модели). Примеры: процесс письма, процесс диалога (обмена смыслами) с использованием аналитических методов (дедукции, индукции) или метафоры, аналогии (когда возникают трудности с вербальным воплощением образа).

Интернализация — обучение действием. Формализованный (доступный всем членам группы) опыт преобразуется в НФЗ индивида в форме интеллектуальной модели или технологического ноу-хау и тем самым приобретает для него ценность.

Комбинация — процесс включения полученной концепции в систему знания. Изменение «конфигурации» существующего знания путем сортировки, добавления и классификации ФЗ может порождать новое знание. Этот процесс облегчается использованием масштабных хранилищ данных.

Для создания нового группового знания накопленное на индивидуальном уровне НФЗ должно быть социализировано другими членами группы, т. е. должен быть запущен новый цикл создания знания. Этот процесс облегчается посредством визуализации мыслей на бумаге, например в виде диаграмм, рисунков или визуализации структуры бизнеспроцессов, диаграмм потоков данных, диаграмм «сущность – связь». В результате этого может возникнуть коллективная интеллектуальная модель, т. е. модель, которая принимается большинством сотрудников организации и вследствие этого становится частью корпоративной культуры.

19 Нонака И. Компания – создатель знания. Зарождение и развитие инноваций в японских фирмах / И. Нонака, Х. Такеучи ; пер. с англ. А. Трактинский. М. : Олимп-

Бизнес, 2003. 361 с.

71

Основная проблема управления знаниями в менеджменте заключается в создании и апробации способов трансформации неявных знаний, которыми владеют члены социальной группы, в доступные всей организации явные (кодифицированные) знания, которые вследствие процессов интернализации и социализации приобретают новое качество и повышают уровень компетентности индивидов и организации в целом. Предназначение современной организации (социальной группы) заключается в создании необходимой инфраструктуры и интеллектуально-ориентированной корпоративной культуры для обеспечения постоянного «кругооборота» знаний, формирующего приращение человеческого капитала и выживание организации в конкурентной среде.

Обобщая вышеизложенное, приведем интерпретацию категории «знание» специалистами по управлению знаниями и информационным системам.

Знание — это:

1)накопленные предпосылки для выполнения действия (М. Вит-

цель)20;

2)целенаправленное координированное действие (М. Желены)21;

3)доказанное истинное убеждение, динамический субъективный процесс проверки соответствия личного мнения истине при взаимо-

действии и преобразовании внешнего мира в процессе удовлетворения человеком своих базовых потребностей (И. Нонака, X. Такеучи)22;

4)продукт наших целенаправленных усилий в окружающем мире («Мы знаем больше, чем можем сказать», — М. Полани)23.

Томас Дюран предлагает рассматривать знания как один из уровней компетенции (см. табл. 6). Всего существует семь уровней компетенции: данные, информация, знание, навыки, ноу-хау, компетенции, опыт (мудрость). Эти уровни по существу моделируют этапы создания (наращивания) компетенции. Так, информация — это данные, которые были отобраны и применены в соответствии с уже существующей у человека структурой знаний. Известно, что люди часто отвергают данные, которые не соответствуют их предварительным (предыдущим) знаниям и одновременно придают чрезмерно большое значение данным, подкрепляющим их знания и убеждения.

20Мильнер Б. З. Управление знаниями: Эволюция и революция в организации / Б. З. Мильнер. М. : ИНФРА-М, 2003. 177 с.

21Информационные технологии в бизнесе : энциклопедия / под ред. М. Желены ; пер. с англ. М. Железниченко и др. СПб. : Питер, 2002. 1117 c.

22Нонака И. Компания – создатель знания. Зарождение и развитие инноваций в японских фирмах / И. Нонака, Х. Такеучи ; пер. с англ. А. Трактинский. М. : Олимп-

Бизнес, 2003. 361 с.

23Полани М. Личностное знание. М. : Прогресс, 1985. 344 с.

72

	Таблица 6. Уровни компетенции (Т. Дюран)24
Уровень		Возможности, способности
Данные		Я имею доступ к внешней информации
Информация		Я знаю, я выяснил
Знание		Я структурировал информацию и интегри-
		ровал ее с другими знаниями. Я могу
		объяснить кому-нибудь другому (таксоно-
		мия Блума)
Навыки		Я могу это делать
Ноу-хау		Я знаю, как это делать, я могу это делать и
		я могу показать кому-то еще, как это де-
		лать
Компетенции		Я лучше других способен объяснить, что
		делать и как это делать (знания), а также
		способен лучше других делать это (ноу-
		хау)
Опыт (мудрость)		Я эксперт в том, как это делать, а также в
		понимании того, что делать и почему это
		надо делать, а также в объяснении того,
		как это делать

Опыт рассматривается в данной модели в качестве высшей ступени компетенции, т. к. он интегрирует знание и понимание в соответствии с таксономией Блума (ответ на вопрос «что?»), а также ноу-хау (ответ на вопрос «как?»). Опыт предполагает наличие способностей одновременно понимать, объяснять и действовать в сфере определенной компетенции. Таким образом, существует следующий процесс перехода от данных к опыту: данные — (осознание) — информация — (усвоение) — знания — (деятельность) — опыт. По сути, рассматриваемая модель разбивает элементы (уровни) компетенции на два главных блока (формы):

∙знания, предполагающие наличие способностей воспроизводить и объяснять информацию;

∙ноу-хау — способность действовать, выполняя при этом функции наставника.

Знание сигнализирует об усвоенной индивидом информации, делающей возможным понимание мира. Ноу-хау свидетельствует о способности действовать определенным способом в соответствии с установленной целью. При этом ноу-хау, хотя и не исключает знания, все же не всегда означает понимание того, почему использованные в действии практические навыки приводят к результату. Таким образом, ноу-хау в большей степени относится к эмпиризму, невозможности объяснить технологию и результат,

аследовательно, является неявным (неформализованным) знанием.

24 Дюран Т. Алхимия компетенции // Стратегическая гибкость / Г. Хэмел [и др.] ; пер. с англ. СПб. : Питер, 2005. 381 c.

73

Однако отмеченные элементы компетенции еще не исчерпывают, по мнению Т. Дюрана, все ее измерения. Третьей основополагающей формой исполнительской компетенции являются отношения, которыми очень часто пренебрегают исследователи характеристик профессиональной деятельности.

3.3. Подходы к управлению знаниями с использованием ИТ

Принятие решений относительно действий или поведения в той или иной ситуации любыми субъектами (людьми, роботами, сложными системами управления) осуществляется на основе информационных процессов. Информационный процесс реализует отношение объекта и субъекта (см. рис. 11) и представляет собой восприятие субъектом объективной реальности в виде данных, переработку этих данных в информацию в соответствии с целевой установкой и имеющимися знаниями о взаимозависимостях фактов. На основе полученной информации происходит обновление знания субъекта, выработка решения по возможному изменению состояния объекта и целевой установки субъекта.

Изменение	Цель

Данные	Информация
Объект	Субъект

Данные об
изменении	Решение	Изменение
		Знание

Рис. 11. Информационный процесс25

Таким образом, информационный процесс рассматривается в трех аспектах26:

25 Тельнов Ю. Ф. Интеллектуальные информационные системы в экономике : учеб. пособие для студентов вузов. М. : Синтег, 2002. 306 с.

74

–синтаксический аспект — отображение объективной реальности

вкакой-либо среде и на каком-либо языке, которое представляет собой данные;

–семантический аспект — понимание, осмысливание и интерпретация данных на основе знаний субъекта, которые отражают зависимости, закономерности взаимодействия объектов;

–прагматический аспект — оценка полезности полученного нового знания (приращения знания) субъекта в соответствии с целевой установкой для принятия решения, т. е. получение информации в узком смысле.

Любая ИС выполняет следующие функции: воспринимает вводимые пользователем информационные запросы и необходимые исходные данные, обрабатывает введенные и хранящиеся в системе данные в соответствии с известным алгоритмом и формирует требуемую выходную информацию. С точки зрения реализации перечисленных функций ИС можно рассматривать как фабрику, производящую информацию, в которой заказом является информационный запрос, сырьем — исходные данные, продуктом — требуемая информация, а инструментом (оборудованием) —

знание, с помощью которого данные преобразуются в информацию. Знание имеет двоякую природу: фактуальную и операционную27.

∙фактуальное знание — это осмысленные и понятые данные. Данные сами по себе — это специально организованные знаки на какомлибо носителе;

∙операционное знание — это те зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них информацию.

Часто фактуальное знание называют экстенсиональным (детализированным), а операционное знание — интенсиональным (обобщенным).

Процесс извлечения информации из данных сводится к адекватному соединению операционного и фактуального знаний и в различных типах ИС выполняется по-разному. Самый простой путь их соединения заключается в рамках одной прикладной программы:

Программа = Алгоритм + Структура данных

Таким образом, операционное знание (алгоритм) и фактуальное знание (структура данных) неотделимы друг от друга. Однако если в ходе эксплуатации ИС выяснится потребность в модификации одного из двух компонентов программы, то возникнет необходимость ее переписывания. Это объясняется тем, что полным знанием проблемной области обладает

26 Тельнов Ю. Ф. Интеллектуальные информационные системы в экономике : учеб.

пособие для студентов вузов. М. : Синтег, 2002. 306 с. 27 Там же.

75

только разработчик ИС, а программа служит «недумающим исполнителем» знания разработчика. Конечный же пользователь вследствие процедурности и машинной ориентированности представления знаний понимает лишь внешнюю сторону процесса обработки данных и никак не может на него влиять.

Следствиями перечисленных недостатков являются плохая жизнеспособность ИС или неадаптивность к изменениям информационных потребностей. Кроме того, в силу детерминированности алгоритмов решаемых задач ИС не способна к формированию у пользователя знания о действиях

вне полностью определенных ситуациях.

Всистемах, основанных на обработке БД (СБД — Data Base Systems), происходит отделение фактуального и операционного знаний друг от друга. Первое организуется в виде БД, второе ― в виде программ. Причем программа может автоматически генерироваться по запросу пользователя (например, реализация SQL или QBE запросов). В качестве посредника между программой и БД выступает программный инструмент доступа к данным — СУБД:

СБД = Программа <=> СУБД <=> БД

Концепция независимости программ от данных позволяет повысить гибкость ИС по выполнению произвольных информационных запросов. Однако эта гибкость в силу процедурности представления операционного знания имеет четко определенные границы. Для формулирования информационного запроса пользователь должен ясно представлять себе структуру БД и частично ― алгоритм решения задачи. Следовательно, пользователь должен достаточно хорошо разбираться в проблемной области, в логической структуре БД и в алгоритме программы. Концептуальная схема БД выступает в основном только в роли промежуточного звена в процессе отображения логической структуры данных на структуру данных прикладной программы.

Общие недостатки традиционных ИС, к которым относятся обе вышеуказанные системы, заключаются в слабой адаптивности к изменениям в предметной области и информационным потребностям пользователей, в невозможности решать плохо формализуемые задачи, с которыми управленческие работники постоянно имеют дело. Перечисленные недостатки устраняются в интеллектуальных ИС.

Анализ структуры программы показывает возможность выделения из программы операционного знания (правил преобразования данных) в так называемую базу знаний, которая в декларативной форме хранит общие для различных задач единицы знаний. При этом управляющая структура приобретает характер универсального механизма решения задач (механизма вывода), который связывает единицы знаний в исполняемые цепочки

76

(генерируемые алгоритмы) в зависимости от конкретной постановки задачи (сформулированной цели и исходных условий). Такие ИС становятся системами, основанными на обработке знаний (СБЗ ― Knowledge Base (Based) Systems):

СБЗ = База знаний <=> Управляющая структура <=> БД

Следующим шагом в развитии интеллектуальных ИС является выделение в самостоятельную подсистему (или репозиторий) метазнания, описывающего структуру операционного и фактуального знаний и отражающего модель проблемной области. В таких системах и программы, и структуры данных генерируются или компонуются из единиц знаний, описанных в репозитории, каждый раз при изменении модели проблемной области. Интеллектуальные ИС, обрабатывающие метазнание, называются системами, основанными на моделях (СБМ — Model Based Systems)28:

СБМ = Репозиторий <=> Механизм генерации или конфигурации => ИС

Подходы к управлению знаниями с использованием ИТ показаны в таблице 7.

Таблица 7. Подходы к управлению знаниями с использованием ИТ

Явные знания	Неявные знания
Использование быстродействующих ИС,	Использование каналов передачи
обеспечивающих многократный доступ к	личного опыта, творческого подхода к
знаниям	решению проблем
Стратегия управления знаниями:
Подход «люди – документам»	Подход «человек – человеку»
Использование электронных систем	Развитие сетей, связывающих людей, а
документооборота, которые	также форм и методов передачи неявных
классифицируют, сохраняют,	знаний
распространяют знания и позволяют
повторно их использовать
Формы использования ИТ:
Обязательное использование ИТ,	ИТ используются в качестве вспомо-
обеспечение многократного доступа к	гательного средства. Цель — содействие
знаниям	общению и обмену неявными знаниями

Первый подход охватывает уровень явных знаний. Организация уделяет основное внимание сбору и классификации знаний, их хранению в БД, чтобы ими легко мог воспользоваться любой сотрудник организации.

28 Тельнов Ю. Ф. Интеллектуальные информационные системы в экономике : учеб. пособие для студентов вузов. М. : Синтег, 2002. 306 с.

77

В результате знания структурируются и группируются в БД, используются многократно в соответствии с потребностями профессиональных сообществ, в которых генерируются новые полезные для организации знания.

Второй подход реализуется на уровне неявных знаний. Передача индивидуального опыта, навыков, умений (неявных знаний) происходит при личных встречах или с помощью специальных информационных сред, активизирующих интерактивное взаимодействие между людьми (специалистами). В результате знания собираются среди (от) людей и на их основе создаются документы, доступные другим пользователям (процесс экстернализации). Способы реализации второго подхода — интранет и менеджеры по знаниям (посредники), с помощью которых формируются профессиональные сообщества специалистов, интересующихся конкретной предметной областью и (или) проблемой.

3.4.Понятия интеллект-технологии в современных ИС

ВИС активно работающего предприятия накапливаются большие объемы разнообразных сведений. Пользователи могут анализировать эти сведения с помощью классических аналитических инструментов, встроенных в прикладное решение: отчетов, сводных таблиц, диаграмм. Эти инструменты позволяют представить картину хозяйственной деятельности предприятия в удобном для анализа виде, определить отклонения от плана, подготовить принятие управленческих решений, спланировать новые показатели на основе тенденций прошлых периодов. Кроме традиционных аналитических инструментов в ИС предприятия применяются интеллект-

технологии. Бизнес-интеллект (Business Intelligence, BI) ― совокупность интеллектуальных технологий, функционирующих в рамках предприятия, используемых для решения задач эффективного управления объектом с целью достижения конкурентоспособности продукции. Этот термин ввело

в80-х годах агентство «Gartner Group», занимающееся анализом рынков ИТ. «Gartner Group» определяет состав рынка систем BI как набор программных продуктов следующих классов:

∙средства построения хранилищ данных;

∙системы оперативного (многомерного) анализа данных (OLAP);

∙средства интеллектуального анализа данных (Data Mining, DM);

∙инструменты для выполнения запросов и построения отчетов

(query and reporting tools).

Эта классификация базируется на методе функциональных задач, где программные продукты каждого класса выполняют определенный набор функций или операций с использованием специальных технологий.

К настоящему моменту разработаны средства, позволяющие принимать решения на стратегическом и тактическом уровнях управления пред-

78

приятием. Эти средства относятся к BI-технологиям и получили название средств поддержки принятия управленческих решений (DSS). К DSS относятся:

∙OLAP;

∙DM;

∙когнитивные (познавательные) системы.

3.4.1. Оперативный (многомерный) анализ данных (OLAP)

ИС предприятия, как правило, содержат приложения, предназначенные для комплексного многомерного анализа данных, их динамики, тенденций и т. п. Принять любое управленческое решение невозможно, не обладая необходимой для этого информацией, обычно количественной. Для этого надо создать хранилище данных, представляющее собой процесс сбора, отсеивания и предварительной обработки данных с целью предоставления результирующей информации пользователям для создания аналитических отчетов. Основные требования к хранилищам данных:

∙поддержка высокой скорости получения данных из хранилища;

∙поддержка внутренней непротиворечивости данных;

∙возможность получения и сравнения срезов данных;

∙наличие удобных средств для просмотра данных в хранилище;

∙простота и достоверность хранящихся данных;

∙поддержка качественного процесса пополнения данных.

OLAP обладает средствами предоставления пользователю агрегатных данных для различных выборок из исходного набора в удобном для восприятия и анализа виде. Такие агрегатные функции образуют многомерный (и следовательно, нереляционный) набор данных (называемый гиперкубом или метакубом), оси которого содержат аналитические измерения, а ячейки — зависящие от них агрегатные данные (см. рис. 12). Вдоль каждой оси данные могут быть организованы в виде иерархии, представляющей различные уровни их детализации. Модель данных в виде гиперкуба позволяет выполнять следующие операции с данными: срез, вращение, консолидация и детализация.

Операция среза позволяет выделить из многомерного куба те данные, которые соответствуют зафиксированному значению одного или нескольких измерений.

Операция вращения — изменение расположения измерений в пространстве.

Операции консолидации и детализации предназначены либо для агрегирования (обобщения) данных, либо для их детализации.

79

Рис. 12. Гиперкуб

Благодаря такой модели данных пользователи могут формулировать сложные запросы, генерировать отчеты, получать подмножества данных. Следует отметить, что OLAP-функциональность может быть реализована различными способами, начиная с простейших средств анализа данных в офисных приложениях (например, сводные таблицы в MS Excel) и заканчивая распределенными аналитическими системами, основанными на сер-

верных продуктах Microsoft Dynamics NAV (Navision) и Contour BI 4.129.

3.4.2. Интеллектуальный анализ данных (Data Mining, DM)

При использовании классических инструментов анализируемые показатели и взаимосвязи должны быть определены заранее. Обычные отчеты не рассчитаны на поиск неочевидных правил и на извлечение неизвестных закономерностей, т. е. на генерацию новых знаний. Для решения подобных задач предназначены технологии DM.

Интеллектуальный анализ данных использует взаимодополняющие методы обнаружения знаний. Суть и цель технологии DM можно охарактеризовать так: это технология, которая предназначена для поиска в больших объемах данных неочевидных, объективных и полезных на практике закономерностей:

∙ неочевидных — это значит, что найденные закономерности не обнаруживаются стандартными методами обработки информации или экспертным путем;

29 Библиотека примеров Contour BI // Contour Components : сайт компании. URL: http://www.contourcomponents.com/page/ru.79.htm

80